摘要—我们介绍了智能自动驾驶系统 (IAS),该系统能够通过使用人工神经网络和模仿学习观察和模仿人类飞行员,实现大型喷气式飞机(如客机)的自主导航和着陆。IAS 是解决自动飞行控制系统当前问题的潜在解决方案,该系统无法执行从给定机场起飞并在另一个机场降落的全程飞行。提出了一种导航技术和一种强大的模仿学习方法。模仿学习使用人类飞行员在飞行模拟器中演示要学习的任务,同时从这些演示中捕获训练数据集。然后,人工神经网络使用这些数据集自动生成控制模型。控制模型模仿人类飞行员在航路点之间倾斜导航以及执行最后进近和着陆时的技能,而飞行管理程序则生成飞行路线,并决定在当前飞行阶段启动哪些 ANN。实验表明,即使在提供有限的示例后,IAS 也能高精度地处理此类飞行任务。所提出的 IAS 是一种新方法,使用与经验丰富的人类飞行员的技能和能力相匹配的 ANN 模型来实现大型喷气式飞机的完全控制自主。
航空发动机压气机的设计重点是巡航飞行阶段的性能。当发动机运行状态偏离设计状态时,压气机需要将气流保持在限制范围内并防止失速和喘振的系统 [13]。为了确保这一点,有效的方法之一是引入 VBV 系统,该系统已广泛应用于现代大涵道比涡扇发动机,大多位于助推器出口处。对于 VBV 以能量利用效率换取助推器喘振裕度而言,VBV 位置控制功能既影响发动机性能也影响发动机安全性。因此,该功能应体现发动机性能和安全性之间的平衡。如果 VBV 位置控制功能执行不正确,将影响发动机性能和发动机安全性。尽管如此,VBV 位置控制功能应满足 FAR33 中规定的最低安全要求。因此,本文仅研究安全系数的方法是合理的。航空发动机在瞬态过程中的失效机理非常复杂,这使得航空发动机的安全性分析很难完成。VBV位置控制功能失效将通过发动机重匹配过程影响整个发动机,而发动机重匹配过程受发动机非线性方程控制。经验,
摘要:作为一种有效的结构健康监测(SHM)技术,基于压电换能器(PZT)和导波的监测方法在空间领域引起了越来越多的关注。面对空间结构的大规模监测需求,需要大量的PZT,而这可能导致连接电缆额外重量、放置效率和性能一致性方面的问题。PZT层是针对这些问题的一种有前途的解决方案。但目前的PZT层仍然面临着大规模轻量化监测和缺乏极端空间服役条件下可靠性评估的挑战。针对这些挑战,本文提出了一种大规模PZT网络层(LPNL)设计方法,采用大规模轻量化PZT网络设计方法和基于网络分裂重组的集成策略。所开发的LPNL具有尺寸大、重量轻、超薄、灵活、形状定制和高可靠性的优势。为验证所研制的LPNL在航天服役环境下的可靠性,开展了一系列极端环境试验,包括极端温度条件、不同飞行阶段的振动、着陆撞击、飞行过载等,结果表明所研制的LPNL能够承受这些恶劣的环境条件,具有较高的可靠性和功能性。
4-5-2020 进一步提升通用航空飞行安全:飞机起飞事故分析 黄晨宇 内布拉斯加大学奥马哈分校 美国国家运输安全委员会(NTSB)的数据显示,2014 年至 2019 年,通用航空(GA)占美国航空运输相关事故和事故征候总数的 76%。查明原因是飞机事故调查中最重要的任务之一,也是主动预防飞机事故的关键策略。由于飞机配置、飞行运行环境和机组人员工作量的变化,飞机和机组人员在飞行的每个阶段的表现不同,因此飞机事故的原因可能因飞行阶段而异。大多数事故发生在最后进近和着陆阶段,许多研究人员从不同角度对其进行了研究。然而,关于起飞阶段的飞行安全研究却很少,而起飞阶段是通用航空飞机事故和事故征候数量第二多的阶段。充分了解通用航空飞机起飞事故的原因对于制定更有效的飞机起飞风险缓解和事故预防对策至关重要。本研究的目的是通过分析美国国家运输安全委员会发布的飞机事故调查报告来了解通用航空飞机起飞事故的原因。为了更好地了解通用航空飞机起飞事故的原因,以下研究旨在
飞机着陆是飞行的最终阶段,飞机从 15 米的高度慢速飞行,着陆后完全停下来,然后在跑道上滑行 [4]。着陆是飞行中最困难的阶段,要求飞行员具备非常高的驾驶技能 [1]。着陆是通过减速并下降到跑道来完成的。减速是通过使用襟翼、起落架或减速板减少推力和/或产生更大阻力来实现的。飞行的起飞过程可分为两个主要阶段 - 加速和起飞。这两个阶段又由其他某些子阶段划分。航空工业的进步现已达到所有这些阶段都可以在没有飞行员参与的情况下进行的地步,即使用自动驾驶系统。在民航中,无人系统仍被谨慎使用,主要仅在水平飞行阶段使用,并且仍由机组人员控制。不过,主要是由经验丰富的飞行员执行着陆过程。由于着陆时所有动作的复杂性和危险性,根据统计,此阶段被认为是最危险的阶段 [2]。这项工作的目的是分析影响地面路径长度的因素,并开发一种系统,该系统可以在飞机着陆后完全自动停止飞机,或者至少帮助飞行员确定剩余的制动距离,以防止危险情况。开发的系统和方法将提供信息
摘要:本文提出了一种基于操作载荷监测 (OLM) 系统记录的垂直着陆力对主起落架 (MLG) 连接框架疲劳进行评估的方法。特别是,分析了不同着陆阶段以及地面操作和 MLG 框架疲劳磨损的影响。开发的 OLM 系统的主要功能是对 Su-22UM3K 飞机主起落架节点结构因标准着陆和触地复飞 (T&G) 着陆而产生的疲劳进行单独评估。此外,该系统还允许评估着陆期间主起落架节点结构中的应力累积并允许检测硬着陆。开发的系统还实现了确定选定的飞行阶段、对应变计传感器在标准全停着陆和滑行期间记录的结构不同类型的负载循环进行分类。基于这些功能,可以监测和比较飞机之间的着陆疲劳磨损当量以及给定飞机所有航班的着陆疲劳磨损,这些可以纳入机队管理范例,以实现飞机的最佳维护。本文详细描述了用于起落架节点疲劳评估的系统和算法,并提供了和讨论了在六架飞机的机队 3 年系统运行期间获得的结果。
此咨询通函(AC)提供了指导和一种全面的方法,可以根据《联邦法规法典》第14条(14 CFR)§450.115进行高保真飞行安全分析。根据第450.113(a)条的规定,需要进行飞行安全分析。AC 450.113-1(富达水平)提供了有关何时需要进行高保真飞行安全性分析以及如何确定所需忠诚度的指导。在需要高保真飞行安全分析的情况下,此AC 450.115-1为执行该分析的指导提供了符合§450.115(b)的指导。对于特定阶段或飞行的所有阶段,可能需要第450.115(b)条的高保真飞行安全分析。操作员的飞行安全分析方法必须说明所有可预见的事件以及在象征性和非社会化发射期间安全至关重要系统的失败,或者根据§450.115(a)可能会危及公共安全。根据第450.115(b)(1)条的规定,分析必须证明,公众的任何风险都符合第450.101节的安全标准,包括使用缓解,并考虑所有已知的不确定性来源,使用联邦航空管理局(FAA)接受的合规性手段(FAA)。分析必须在§§450.101(a)或450.101(b)中确定每种类型的公共风险的主要来源,以飞行阶段,危险来源(例如有毒曝光,惰性碎屑或爆炸性碎屑)和失败模式,以及符合第450.115(b)(b)(b)(2)。
战斗机就是这样一个例子,为了完成战斗任务,飞行员在体力(由于 G 机动)和认知(处理多个传感器、感知、处理和多任务,包括通信和操作武器)方面都承受着巨大的负担。需要分析这种认知需求,以了解战斗机飞行员的工作负荷。本研究的目的是分析在不同飞行负荷条件下,在逼真的高保真飞行模拟器环境中战斗机飞行员的动态工作负荷。各种工作负荷条件包括 (a) 正常能见度、(b) 低能见度、(c) 正常能见度和次要任务,以及 (d) 低能见度和次要任务。虽然飞行员的飞行表现得分不错,但生理指标如心率变异性 (HRV) 特征和主观评估 (NASA-TLX) 成分在任务之间具有统计学意义 (p<0.05)。在所有任务负载条件下,HRV 特征(例如 SD2、SDNN、VLF 和总功率)都很重要。LFnu 和 HFnu 特征能够区分低能见度和次要认知任务的影响,在本研究中,次要认知任务被强加为增加的任务。该结果有助于了解飞行员在每个飞行阶段的任务和表现以及他们在动态工作量期间的认知需求,这可以在模拟器和实际飞行条件下以最佳方式协助飞行员的训练计划。
引言 在商用航空领域,预计 2012 年至 2031 年期间全球市场将需要超过 28,000 架新型大型商用飞机。大约有 10,000 架旧飞机需要更换。据估计,全球空中交通量(以客公里 (RPK) 计算)每年将增长 4.7 %。航空计划 ACARE 2020(欧盟航空研究与创新咨询委员会)和 Flightpath 2050 要求在未来几年内降低飞机的燃料消耗以及二氧化碳和氮氧化物排放量。多方面的空气动力学设计、热负荷和高机械、恶劣的环境和其他工作条件会在机身各个部件中产生异常大的动态应力。这些应力的大小和性质在不同的飞行阶段会进一步变化。这就需要开发能够承受这种变化应力的特殊材料。燃料成本进一步上涨、原材料来源稀缺、效率提升需求、新飞机(军用和民用)需求不断增长,这些因素迫使工程师们制造出更坚固但“尽可能轻便”的飞机框架、发动机和其他部件。为了满足当前和未来的需求,飞机行业必须在创新材料和设计技术以及新制造工艺方面进行大量技术开发。为了满足
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中,确保所采用的方法准确,特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段(例如进近和着陆)尤其重要,因为飞行在拥挤的空域和近地飞行。在这些阶段,干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此,风是飞行系统最危险的干扰之一,因为它不可预测,对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性,迄今为止已经研究了几种用于此应用的方法。在 [19] 中,作者提出了一种 gamma/theta 制导律,用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题,并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案,利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案,与传统的基于非线性动态反演的方法相比,其跟踪性能有所提高。与 [19] 类似,需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
